地铁里常能看见乘客把手机横过来
，盯着一张由红蓝线条组成的走势图。线条向上或向下
，格子里排着数字
，旁边还佑装冷热”“连号”“遗漏”等术语。图像给人的第一感触是秩序
，似乎复杂变动已被压缩成一条可供判断的蹊径？墒踊牧α吭谡饫
，也正由于如此
，它很容易越过诠释的天堑。 先说最根基的一点：走势图是对既往纪录的排布方式
，不是对将来的说明书。任何图表都选择了功夫领域、坐标尺度和着色规定。把最近十笔纪录放大
，和把数百笔纪录放在统一张图上
，会产生截然分歧的视觉印象。读者若不知路这些选择
，看到的往往只是设计者替他强调过的部门。 一位数据新闻教员上课时让学生各自画统一份公开表格。有人用柱形图
，有人连成折线
，有人只保留异常点。投到屏幕上后
，三张图像像是在讲三个故事
，但表格一行也没有改。教员借此提醒各人
，图表不是“数据自己措辞”
，而是一次有弃取的转述。读图的关键
，是把被省略的前提沉新问出来。 对于标注地域或活动名称的页面
，还应确认纪录的起源和齐全性。页面有没有注明采集时点
，是否能回到公开纪录查对
，更新失败时若何更正
，都是必要问题。若只给出一张无法复造、无法放大的图片
，再配以抽象的“精准分析”
，它最多是一种视觉内容
，不及以支持端庄判断。 第二条天堑是统计说话的天堑。频率、距离和排序能够描述已经产生的情况
，却不能自动产生因果关系。人脑习惯从陆续图案里寻找法规
，尤其在数字反复出现时
，会把无意的荟萃理解成趋向。好的报路会同时给出样本大幼和不确定性；糟糕的页面则把几个能干的点圈起来
，留白处全数交给暗示。 第三条天堑属于传布伦理。将图表包装成“出彩号”或类似的兴奋词
，时时是在借视觉简直定感推动读者停顿。图表自身没有问题
，问题在于页面是否明确通知读者它的用处、限度和起源。一个掌管的编纂会把步骤写在图下
，而不是把警示藏进难以找到的角落。 通常读者能够用很轻便的步骤降温：先看横轴从哪一天起头
，纵轴是否被截断
，再找数据源链接；接着问自己
，图中结论能否用一句通常话说清；最后把所谓建议与可核实事实分隔。若无法回覆其中任一项
，就把它当作一张拥有装璜性的图片即可。 图表的价值不是替身作决定
，而是援手人提出更具体的问题。把这条界限守住
，屏幕上的曲线便不再占有神秘的权威
，只是多多阅读资猜中的一种表白。 在编纂图表时
，色彩也会扭转理解。鼓和的红色会让某个区间显得危险或沉要
，柔和的灰色则容易把另一部门推到布景里。图例若不齐全
，读者就无法知路色彩到底代表次数、类别还是仅仅是视觉分辨。读图时不妨把色彩临时忽略
，先从表格或文字注明沉新确认每个变量的意思。 还有一个常见问题是把有关性说成原因。两个数字在统一段功夫里变动类似
，不代表其中一个造成了另一个。数据报路应交代可能的其他诠释和样本限度；没有这些内容的分析
，最多只能提供观察角度。越是把结论说得斩钉截铁的页面
，越值得追问它跳过了哪些步骤。 学堂和社区能够把公开图表当作操练资料
，而不把任何带有承诺色彩的页面当教材。学会标出起源、尺度和缺失值
，就是在训练一种能迁徙到医疗、消费和公共议题中的能力。线条仍会升沉
，人不用随之失去判断。 当图表被截取到社交平台时
，原有图例往往首先隐没。转发前保留齐全画面和出处
，能让后来看到的人知路它并非自足的结论。好的数据素养
，也蕴含对他人理解前提的关照。

地铁里常能看见乘客把手机横过来
，盯着一张由红蓝线条组成的走势图。线条向上或向下
，格子里排着数字
，旁边还佑装冷热”“连号”“遗漏”等术语。图像给人的第一感触是秩序
，似乎复杂变动已被压缩成一条可供判断的蹊径？墒踊牧α吭谡饫
，也正由于如此
，它很容易越过诠释的天堑。